声明
摘要
插图索引
附表索引
第1章 绪论
1.1 研究背景
1.2 个性化推荐发展现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究目的
1.4 主要研究内容
1.5 论文组织结构
第2章 相关研究综述
2.1 个性化推荐综述
2.2 传统用户兴趣模型
2.2.1 用户模型分析
2.2.2 用户模型建立与更新
2.3 相关个性化推荐算法
2.3.1 基于规则过滤的推荐算法
2.3.2 基于统计过滤的推荐算法
2.3.3 基于内容过滤的推荐算法
2.3.4 基于效用过滤的推荐算法
2.3.5 基于协同过滤的推荐算法
2.4 预测评分
小结
第3章 基于用户隐式反馈建模
3.1 基于传统用户建模改进
3.1.1 用户建模
3.1.2 改进用户模型建立
3.1.3 改进用户模型分组聚类
3.2 基于商品森林的商品建模
3.2.1 商品森林体系概念
3.2.2 商品森林体系结构图
3.3 模型的更新
3.3.1 用户模型更新
3.3.2 商品模型更新
3.4 商品模型与用户模型结合
3.4.1 商品模型与用户模型简述
3.4.2 用户-商品-商家三维空间模型
小结
第4章 基于隐式模型的个性化推荐算法
4.1 算法过程概述
4.2 用户相似度计算
4.2.1 基于用户分组相似度计算
4.2.2 基于用尸协同相似度计算
4.3 商品相似度计算
4.3.1 基于项目协同相似度计算
4.3.2 基于商品类别相似度计算
4.3.3 商品相似度求和
4.4 评分预测算法
4.4.1 基于use-based协同过滤评分预测
4.4.2 基于Item-based协同过滤评分预测
4.5 商家个性化推荐
4.5.1 商家推荐结果
4.5.2 商家推荐性能
4.5.3 传统推荐算法对比
4.6 实验分析
4.6.1 实验方案
4.6.2 用户相似度分析
4.6.3 商品相似度分析
4.6.4 基于商品相似度预测评分值偏差
4.6.5 推荐商家结果分析
小结
第5章 原型系统设计及实现
5.1 系统框架及体系结构
5.2 系统工作流程
5.3 系统原型
5.4 系统对比分析
小结
结论与展望
参考文献
附录A 攻读学位期间完成的主要成果
附录B 攻读硕士期间参与的项目列表
致谢
湖南大学;